Aspect Category Classification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia

Ulasan pelanggan merupakan opini terhadap kualitas barang atau jasa yang dirasakan konsumen. Ulasan pelanggan mengandung informasi yang berguna bagi konsumen maupun penyedia barang atau jasa. Ketersediaan ulasan pelanggan dalam jumlah besar pada website membutuhkan suatu framework untuk mengekstraks...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Syaifulloh Amien Pandega Perdana, Teguh Bharata Aji, Ridi Ferdiana
Formato:	article
Lenguaje:	EN ID
Publicado:	Universitas Gadjah Mada 2021
Materias:	aspect category classification naïve bayes support vector machine random forest machine learning ulasan pelanggan Engineering (General). Civil engineering (General) TA1-2040
Acceso en línea:	https://doaj.org/article/d2c3e334698a48dd8df7d592bc92f6f7
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:d2c3e334698a48dd8df7d592bc92f6f7
record_format	dspace
spelling	oai:doaj.org-article:d2c3e334698a48dd8df7d592bc92f6f72021-11-17T04:01:40ZAspect Category Classification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia2301-41562460-571910.22146/jnteti.v10i3.1819https://doaj.org/article/d2c3e334698a48dd8df7d592bc92f6f72021-08-01T00:00:00Zhttps://jurnal.ugm.ac.id/v3/JNTETI/article/view/1819https://doaj.org/toc/2301-4156https://doaj.org/toc/2460-5719Ulasan pelanggan merupakan opini terhadap kualitas barang atau jasa yang dirasakan konsumen. Ulasan pelanggan mengandung informasi yang berguna bagi konsumen maupun penyedia barang atau jasa. Ketersediaan ulasan pelanggan dalam jumlah besar pada website membutuhkan suatu framework untuk mengekstraksi sentimen secara otomatis. Sebuah ulasan pelanggan sering kali mengandung banyak aspek sehingga Aspect Based Sentiment Analysis (ABSA) harus digunakan untuk mengetahui polaritas masing-masing aspek. Salah satu tugas penting dalam ABSA adalah Aspect Category Detection. Metode machine learning untuk Aspect Category Detection sudah banyak dilakukan pada domain berbahasa Inggris, tetapi pada domain bahasa Indonesia masih sedikit. Makalah ini membandingkan kinerja tiga algoritme machine learning, yaitu Naïve Bayes (NB), Support Vector Machine (SVM), dan Random Forest (RF) pada ulasan pelanggan berbahasa Indonesia menggunakan Term Frequency–Inverse Document Frequency (TF-IDF) sebagai term weighting. Hasil menunjukkan bahwa RF memiliki kinerja paling unggul dibandingkan NB dan SVM pada tiga domain yang berbeda, yaitu restoran, hotel, dan e-commerce, dengan nilai f1-score untuk masing-masing domain adalah 84.3%, 85.7%, dan 89,3%.Syaifulloh Amien Pandega PerdanaTeguh Bharata AjiRidi FerdianaUniversitas Gadjah Madaarticleaspect category classificationnaïve bayessupport vector machinerandom forestmachine learningulasan pelangganEngineering (General). Civil engineering (General)TA1-2040ENIDJurnal Nasional Teknik Elektro dan Teknologi Informasi, Vol 10, Iss 3, Pp 229-235 (2021)
institution	DOAJ
collection	DOAJ
language	EN ID
topic	aspect category classification naïve bayes support vector machine random forest machine learning ulasan pelanggan Engineering (General). Civil engineering (General) TA1-2040
spellingShingle	aspect category classification naïve bayes support vector machine random forest machine learning ulasan pelanggan Engineering (General). Civil engineering (General) TA1-2040 Syaifulloh Amien Pandega Perdana Teguh Bharata Aji Ridi Ferdiana Aspect Category Classification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia
description	Ulasan pelanggan merupakan opini terhadap kualitas barang atau jasa yang dirasakan konsumen. Ulasan pelanggan mengandung informasi yang berguna bagi konsumen maupun penyedia barang atau jasa. Ketersediaan ulasan pelanggan dalam jumlah besar pada website membutuhkan suatu framework untuk mengekstraksi sentimen secara otomatis. Sebuah ulasan pelanggan sering kali mengandung banyak aspek sehingga Aspect Based Sentiment Analysis (ABSA) harus digunakan untuk mengetahui polaritas masing-masing aspek. Salah satu tugas penting dalam ABSA adalah Aspect Category Detection. Metode machine learning untuk Aspect Category Detection sudah banyak dilakukan pada domain berbahasa Inggris, tetapi pada domain bahasa Indonesia masih sedikit. Makalah ini membandingkan kinerja tiga algoritme machine learning, yaitu Naïve Bayes (NB), Support Vector Machine (SVM), dan Random Forest (RF) pada ulasan pelanggan berbahasa Indonesia menggunakan Term Frequency–Inverse Document Frequency (TF-IDF) sebagai term weighting. Hasil menunjukkan bahwa RF memiliki kinerja paling unggul dibandingkan NB dan SVM pada tiga domain yang berbeda, yaitu restoran, hotel, dan e-commerce, dengan nilai f1-score untuk masing-masing domain adalah 84.3%, 85.7%, dan 89,3%.
format	article
author	Syaifulloh Amien Pandega Perdana Teguh Bharata Aji Ridi Ferdiana
author_facet	Syaifulloh Amien Pandega Perdana Teguh Bharata Aji Ridi Ferdiana
author_sort	Syaifulloh Amien Pandega Perdana
title	Aspect Category Classification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia
title_short	Aspect Category Classification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia
title_full	Aspect Category Classification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia
title_fullStr	Aspect Category Classification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia
title_full_unstemmed	Aspect Category Classification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia
title_sort	aspect category classification dengan pendekatan machine learning menggunakan dataset bahasa indonesia
publisher	Universitas Gadjah Mada
publishDate	2021
url	https://doaj.org/article/d2c3e334698a48dd8df7d592bc92f6f7
work_keys_str_mv	AT syaifullohamienpandegaperdana aspectcategoryclassificationdenganpendekatanmachinelearningmenggunakandatasetbahasaindonesia AT teguhbharataaji aspectcategoryclassificationdenganpendekatanmachinelearningmenggunakandatasetbahasaindonesia AT ridiferdiana aspectcategoryclassificationdenganpendekatanmachinelearningmenggunakandatasetbahasaindonesia
_version_	1718426019742875648

Aspect Category Classification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia

Ejemplares similares